hmmlearn：给定一个完整的观察序列1：T，如何在时间T 1得到隐藏状态概率的预测

2 回答

• 1

  您正在寻找的概率只是转换矩阵的一行 . 转换矩阵的第n行给出了在知道系统处于时间 t 的状态时转换到每个状态的概率 .

  为了知道在给定观察序列的情况下系统处于哪个状态 x_1,...,x_t ，可以使用维特比算法，该算法是 hmmlearn 中方法 predict 的默认设置 .

  model = hmm.GaussianHMM(n_components=3, covariance_type="full", n_iter=100)  # Viterbi is set by default as the 'algorithm' optional parameter.
  model.fit(data)
  state_sequence = model.predict(data)
  prob_next_step = model.transmat_[state_sequence[-1], :]
  

  我建议你仔细看看这个显示具体用例的documentation .

  回复于 2024-05-02T19:56:49+08:00
• 0

  一旦HMM model 被训练，您可以获得 t+1 状态 1:t observation X 如下：

  import numpy as np
  from sklearn.utils import check_random_state
  sates = model.predict(X)
  transmat_cdf = np.cumsum(model.transmat_, axis=1)
  random_sate = check_random_state(model.random_state)
  next_state = (transmat_cdf[states[-1]] > random_state.rand()).argmax()
  

  根据 t 状态和 transmat_ 生成 t+1 状态

  回复于 2024-05-02T19:56:49+08:00